¿Cómo puede alguien obtener un puesto de científico de datos como nivel de entrada?

Le sugiero que analice estas 7 cosas y vea cuánto sabe de cada una, y practique las que le parezcan desconocidas. Estas fueron las 7 cosas más comunes que vi cuando entrevisté en grandes empresas (Facebook, Intel, Square, eBay, etc.) para puestos relacionados con la ciencia de datos.

Lenguajes de programación básicos : debe conocer un lenguaje de programación estadística, como R o Python (junto con las bibliotecas Numpy y Pandas), y un lenguaje de consulta de bases de datos como SQL

Estadísticas : debe poder explicar frases como hipótesis nula, valor P, estimadores de máxima verosimilitud e intervalos de confianza. Las estadísticas son importantes para analizar datos y seleccionar las cifras más importantes de un gran conjunto de datos. Esto es crítico en el proceso de toma de decisiones y para diseñar experimentos.

Aprendizaje automático : debe poder explicar los vecinos K más cercanos, los bosques aleatorios y los métodos de conjunto. Estas técnicas generalmente se implementan en R o Python. Estos algoritmos muestran a los empleadores que usted está expuesto a cómo la ciencia de datos puede usarse de maneras más prácticas.

Disposición de datos : debe poder limpiar los datos. Esto básicamente significa entender que “California” y “CA” son lo mismo: no puede existir un número negativo en un conjunto de datos que describa la población. Se trata de identificar datos corruptos (o impuros) y corregirlos / eliminarlos.

Visualización de datos : el científico de datos es inútil por sí solo. Necesitan comunicar sus hallazgos a los gerentes de producto para asegurarse de que esos datos se manifiesten en aplicaciones reales. Por lo tanto, la familiaridad con las herramientas de visualización de datos como ggplot es muy importante (para que pueda MOSTRAR datos, no solo hablar de ellos)

Ingeniería de software : debe conocer algoritmos y estructuras de datos, ya que a menudo son necesarios para crear algoritmos eficientes para el aprendizaje automático. Conozca los casos de uso y el tiempo de ejecución de estas estructuras de datos: colas, matrices, listas, pilas, árboles, etc.

Gestión del producto : este es definitivamente discutible, pero aquellos que entienden el producto son los que sabrán qué métricas son las más importantes. Hay toneladas de números que uno puede probar A / B, por lo que el científico de datos orientado al producto elegirá las métricas correctas para experimentar. Sepa lo que significan estos términos: Pruebas de usabilidad, tramas alámbricas, tasas de retención y conversión, análisis de tráfico, comentarios de los clientes, registros internos, pruebas A / B.

En cada campo, mencioné algunas palabras de moda que debería conocer. Hay toneladas de sitios web que podría usar, por lo que le recomiendo usar estas 7 sucursales como una hoja de ruta para guiarse. Aprenda estos campos, realice algunos proyectos / cursos en línea sobre ellos e inclúyalos en su currículum para destacarse de sus competidores.

¡Bienvenido a Data Science!

Como otros ya han mencionado, debe mostrar a los empleadores que es capaz de hacer el trabajo, lo que significa agregar experiencia práctica a su currículum.

Algunas formas de sobresalir entre la multitud son:

Conviértete en una figura de autoridad . Si conoce los conceptos básicos de ciencia de datos, cree algunos tutoriales o escriba algunos artículos de blog (preferiblemente en LinkedIn) mostrando su conocimiento. Luego puede responder preguntas sobre el enlace de Quora a su publicación de blog.

Participa en competiciones de Kaggle. Kaggle es el mejor lugar para mostrarle a la gente que eres mejor que tu competencia. Sería aún mejor si pudieras colocar en una competencia. Esto no solo agrega experiencia práctica a su currículum, sino que le muestra a los empleadores que usted es una de las élites.

Habla en grupos locales de Meetup. Nada atrae más a los empleadores que un buen grupo Meetup. Esto se remonta a convertirse en una figura de autoridad. Si puedes presentarte en un grupo de Meetup sobre un tema, asegúrate de que alguien se acercará a ti más tarde para entregarte una tarjeta de presentación.

Encontrar un trabajo en cualquier campo se trata de promocionarse usted mismo. Debe mostrar a los empleadores por qué deberían dedicar tiempo a entrevistarlo, y todo comienza con un currículum de drogas.

La experiencia cuenta mucho, pero puede obtener experiencia práctica en proyectos a través de ciertos programas de capacitación especializados en ciencia de datos y ponerlos en su currículum. Puede ser necesario obtener primero un trabajo de analista / estadístico de datos y avanzar. Las habilidades de ingeniería son probablemente las más difíciles para los recién graduados. Afortunadamente, esas son las habilidades para las que no necesitas educación formal. Esperemos que tenga una buena investigación o antecedentes estadísticos que puedan funcionar para usted. Por último, el hecho de que no haya suficientes personas calificadas en el campo significa que las empresas tienen más probabilidades de contratar a alguien y capacitarlo.

¡Buena suerte!

Puede consultar jobmego para encontrar las habilidades más relevantes / complementarias en el mercado laboral en este momento para un Data Scientist.

Hay campos de entrenamiento de ciencia de datos que toman, entrenan y colocan sin costo, el único requisito es tener un doctorado.
Aparte de eso, debe pedirle a su asesor hojas, muchas pueden hacer que sugieran a sus estudiantes

Realice una pasantía en una empresa de Big Data Analytics, donde estaría expuesto al mundo de Big Data. Las empresas se preocupan más por la experiencia del mundo real.